KR20140021838A - 문법 오류 검출 방법 및 이를 위한 오류검출장치 - Google Patents

Abstract

본 발명은 문법 오류 검출 방법 및 이를 위한 오류검출장치에 관한 것으로, 작문한 입력 문장을 형태소 단위로 분리하여 품사를 태깅하고, 태깅한 각 품사의 열에 대하여 단순 문법적인 영작 오류를 검출하는 동시에 서로 인접한 품사간의 연결 관계에 의해 정의된 규칙을 기반으로 파싱하여 구문 분석의 오류를 검출하는 방식과, 분리된 형태소로부터 임의의 윈도우 사이즈로 묶은 형태소열을 생성한 다음 각 형태소열을 예제 기반의 데이터베이스에서 검색하여 각 형태소와 그 형태소에 대한 형태소열이 함께 정렬되는 빈도수를 분석함으로써 예제에 기반한 각 형태소에 대한 오류를 검출하는 방식을 동시에 적용하여 문장의 오류를 보다 신속하고, 정확하게 검출할 수 있다.

Description

문법 오류 검출 방법 및 이를 위한 오류검출장치{Method for detecting grammar error and apparatus thereof}

본 발명은 문법 오류 검출 방법 및 장치에 관한 것으로, 더욱 상세하게는 작문 문장의 문법적인 영작 오류를 검출하는 동시에 서로 인접하는 품사간 연결 관계에 의해 정의된 규칙에 기반한 오류 검출 방식과, 작문한 문장을 예제 기반의 데이터베이스의 문장과 비교하여 오류를 검출하는 방식을 동시에 적용하는 문법 오류 검출 방법 및 이를 위한 오류검출장치에 관한 것이다.

최근 대학 입시 시험 및 국내 대기업들이 성적 위주의 평가에서 말하기/쓰기 위주의 실제 영어 능력 평가로 변화하고 있다. 즉, 영어 의사소통 능력 신장을 위해 교육과학 기술부가 NEAT(National English Ability Test, 인터넷을 기반으로 한 듣기, 독해, 말하기, 쓰기 평가)를 개발하여 시범 시행하고 있으며, 향후 공무원 시험이나 수능 영어 시험 등을 대체할 계획이다. 이러한 영어 능력 평가에서 쓰기 능력을 평가하기 위해 작문 평가 시스템을 도입하고 있다.

기존의 작문 평가 시스템은 이미 작문한 문장을 문법적으로 분석하여 문법에 맞게 제대로 작성되었는지 오류 검출을 통해 평가한다. 이때, 작문한 문장을 분석하는 과정에는 문장에 대한 형태소를 분석하고 품사를 태깅하는 과정이 필수적으로 요구되는데, 종래의 형태소 분석 및 품사 태깅 장치는 주변 단어들의 어휘, 품사, 의미 및 문맥적인 공기 관계가 복합적으로 고려되지 않고 단순히 품사열 정보에만 의존하기 때문에 그 정확성이 크게 떨어지는 문제점이 있다.

특히, 자연 언어는 문맥상 서로 의존적인 관계를 갖는 현상들이 많기 때문에 일방적으로 정의된 문법으로는 구문 분석의 한계가 있고, 작문 평가 시 복잡한 규칙을 지속적으로 생성하지 않고서도 주로 사용하는 패턴을 적용하여 오류 검출의 오류를 최소화하고 검출된 오류에 대해서는 정확하게 교정할 수 있는 방안이 필요하다.

한국공개특허: KR 10-2003-0085740 A, 2003년 11월 07일 공개 (명칭: 학습자의 오류 문장에 대해 자동 첨삭 및 해설을 제공하는 영어 학습 방법 및 장치)

이러한 종래의 문제점을 해결하기 위하여, 본 발명의 목적은 작문한 입력 문장을 형태소 단위로 분리하여 품사를 태깅하고, 태깅한 각 품사의 열에 대하여 단순 문법적인 영작 오류를 검출하는 동시에 서로 인접하는 품사간 연결 관계에 의해 정의된 규칙을 기반으로 파싱하여 구문 분석의 오류를 검출하는 방식과, 분리한 형태소로부터 임의의 윈도우 사이즈로 묶은 형태소열을 생성한 다음 각 형태소열을 예제 기반의 데이터베이스에서 검색하여 각 형태소와 그 형태소에 대한 형태소열이 함께 정렬되는 빈도수를 분석함으로써 예제에 기반한 각 형태소에 대한 오류를 검출하는 방식을 동시에 적용하는 문법 오류 검출 방법 및 이를 위한 오류검출장치를 제공하고자 한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 실시 예에 따른 오류검출장치는 입력된 문장을 형태소 단위로 분리하고, 상기 분리된 형태소들에 대하여 품사를 태깅하고, 태깅된 품사에 기초하여 문장의 구문 구조를 분석하는 문장 분석기와, 태깅된 품사에 엔-그램(N-gram)을 이용하여 품사열을 생성하고, 문법 규칙을 기반으로 생성된 품사열을 분석하여 오류를 검출하는 제1 오류검출기와, 분리된 형태소들을 임의의 윈도우(N-window) 사이즈로 묶은 형태소열을 생성하고, 예제 기반의 색인 데이터베이스를 검색하여 생성된 형태소열과 동일한 형태소열의 출현 빈도수에 따라 오류를 검출하는 제2 오류검출기 및 제1 오류검출기를 이용한 오류 검출 결과와, 제2 오류검출기를 이용한 오류 검출 결과를 조합하여 문장의 오류를 결정하는 통합 오류검출기를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, 통합 오류검출기는 문법 규칙 기반으로 문장의 오류를 검출하는 제1 오류검출기를 통해 문장의 오류 검출 후, 예제 기반으로 문장의 오류를 검출하는 제2 오류검출기를 적용하여 문장의 오류 여부를 검출하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, 언어 전달 매체를 통해 다양한 문체를 포함하는 용례문을 수집하고, 수집한 용례문을 형태소 단위로 분리하여 예제 기반의 색인 데이터베이스에 구축하는 용례구축기를 더 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, 제1 오류검출기는 문장에 태깅된 품사에 대해 엔-그램을 이용하여 일정 윈도우 단위의 품사열을 생성하는 품사열 생성부와, 품사열을 문맥자유문법 규칙 및 정규문법 규칙을 기반으로 파싱하여 품사열의 밀접도를 계산하는 샬로우 파서 및 샬로우 파서를 통해 계산한 밀접도에 따라 문장의 오류를 검출하는 제1 오류검출부를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, 문맥자유문법 규칙은 맞춤법이나 관사, 시제를 포함한 일반 문법을 정규화한 규칙인 것을 특징으로 한다.

또한, 본 발명에 따른 문장의 오류검출장치에 있어서, 정규문법 규칙은 문맥자유문법 규칙으로 정의할 수 없는 예외 규칙, 서로 인접하는 품사간 연결 관계 또는 밀접도에 따라 정의할 수 있는 규칙을 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, 샬로우 파서는 품사열에 대하여 계산한 밀접도가 기준치보다 높으면 명사구, 복합어, 목적어구, 종속절을 포함한 구문 트리 중 해당 트리를 생성하고, 밀접도가 기준치보다 낮으면 각 품사열을 이루는 단어를 구가 아닌 독립적인 단어로 유도 트리를 생성하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, 제2 오류검출기는 순방향 또는 역방향 중 하나 이상의 방향으로, 형태소들을 임의의 윈도우 사이즈로 묶은 형태소열을 생성하는 N-그램 생성부와, 생성된 형태소열과 동일한 형태소열이 예제 기반의 색인 데이터베이스에 존재하는지 검색하는 검색부와, 생성된 형태소열과 동일한 형태소열의 출현 빈도수를 추출하고, 추출한 빈도수를 근거로 적합성을 계산하는 적합성 계산부 및 적합성 점수가 임계치보다 낮거나 또는 적합성 점수가 일정 이상으로 급격히 떨어지는지를 판단하여 오류 구간을 검출하는 오류 판단부로 구성되는 제2 오류검출부를 더 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 오류검출장치에 있어서, N-그램 생성부는 순방향으로 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 순방향 또는 역방향 중 하나 이상의 방향으로 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 역방향 형태소열을 각각 생성하는 것을 특징으로 한다.

또한, 본 발명에 다른 오류검출장치에 있어서, 통합 오류검출기는 제2 오류검출기에서 검출된 오류보다, 제1 오류검출기에서 검출된 오류를 우선하여 문장의 오류로 결정하는 것을 특징으로 한다.

본 발명의 실시 예에 따른 문법 오류 검출 방법은 문장을 복수의 형태소 단위로 분리하는 단계와, 형태소들에 품사를 태깅하는 단계와, 태깅된 품사에 대해 엔-그램을 이용하여 일정 윈도우 단위의 품사열을 생성하고, 품사열에 대하여 문법 규칙을 기반으로 문장의 오류를 검출하는 제1 오류검출단계와, 순방향 또는 역방향 중 하나 이상의 방향으로 형태소들을 임의의 윈도우 사이즈로 묶은 형태소열을 생성하고, 예제 기반의 색인 데이터베이스를 검색하여 생성된 형태소 열과 동일한 형태소열의 출현 빈도수에 따라 문장의 오류를 검출하는 제2 오류검출단계 및 제1 오류검출단계를 기반으로 검출된 오류와, 제2 오류검출단계를 기반으로 검출된 오류를 조합하여 문장의 오류를 결정하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 문법 오류 검출 방법에 있어서, 제1 오류검출단계는 품사열에 대하여 계산한 밀접도가 기준치보다 높으면 명사구, 복합어, 목적어구, 종속절을 포함한 구문 트리 중 해당 구문 트리를 생성하고, 밀접도가 기준치보다 낮으면 각 품사열을 이루는 단어를 구가 아닌 독립적인 단어로 유도 트리를 생성하는 것을 특징으로 한다.

또한, 본 발명에 따른 문법 오류 검출 방법에 있어서, 제2 오류검출단계는 순방향에 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 순방향 형태소열, 역방향에 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 역방향 형태소열을 각각 생성하는 것을 특징으로 한다.

또한, 본 발명에 따른 문법 오류 검출 방법에 있어서, 제2 오류검출단계는 생성된 형태소열과 동일한 형태소열이 예제 기반의 색인 데이터베이스에 존재하는지 검색하는 단계와, 생성된 형태소열과 동일한 형태소열의 출현 빈도수를 추출하고 추출한 빈도수를 근거로 적합성을 계산하는 단계 및 계산된 적합성 점수가 임계치보다 낮거나 또는 적합성 점수가 일정 이상으로 급격히 떨어지는지를 판단하여 오류 구간을 검출하는 단계를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 문법 오류 검출 방법에 있어서, 적합성을 계산하는 단계는 형태소열을 생성하는 단계에서 생성된 형태소열이 순방향 및 역방향에 대한 형태소열을 모두 포함한 경우, 순방향 형태소열과 역방향 형태소열에 대하여 각 형태소가 함께 정렬되는 빈도수를 추출하고 추출한 빈도수를 근거로 각각의 적합성을 계산하며, 각각의 적합성을 반영한 통합 적합성을 계산하는 것을 특징으로 한다.

또한, 본 발명에 따른 문법 오류 검출 방법에 있어서, 문장의 오류를 결정하는 단계는 문법 규칙 기반으로 문장의 오류를 검출하는 제1 오류검출단계 이후에, 예제 기반으로 문장의 오류를 검출하는 제2 오류검출단계를 적용하여 문장의 오류를 결정하는 것을 특징으로 한다.

또한, 본 발명에 따른 문법 오류 검출 방법에 있어서, 문장의 오류를 결정하는 단계는 제2 오류검출단계에서 검출된 오류보다, 제1 오류검출단계에서 검출된 오류를 우선하여 문장의 오류로 결정하는 것을 특징으로 한다.

본 발명의 과제 해결을 위한 또 다른 수단으로서, 문법 오류 검출 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공한다.

본 발명에 따르면, 작문한 입력 문장의 구문 분석 시 언어의 정형적인 규칙(rule)뿐만 아니라 인접 품사간 의존적인 관계로 인한 규칙까지 고려하여 분석함으로써 문법적인 오류 검출의 정확도를 높일 수 있다.

또한, 미리 정의된 패턴에 따라 품사열을 생성하고, 생성한 품사열 단위로 분석함으로써 구문 분석의 속도가 빠르고, 구문 해석의 애매성을 줄일 수 있으며, 오류의 유형도 세부적으로 검출이 가능하다.

또한, 문장 자동 평가 시, 구문의 규칙에 대한 오류 검출 방식과, 예시 적용을 이용한 오류 검출 방식을 동시에 수행함으로써, 두 번의 문장 오류 검사를 통해 보다 신뢰성 높은 문장 평가를 실행할 수 있다.

도 1은 본 발명의 실시 예에 따른 문법 오류 검출을 위한 오류검출장치의 구성을 나타내는 도면이다.
도 2는 본 발명의 실시 예에 따른 문장분석기의 구성을 나타내는 도면이다.
도 3은 본 발명의 실시 예에 따른 제1 오류검출기의 구성을 나타낸 도면이다.
도 4는 정규 문법의 예를 나타낸 표이다.
도 5는 본 발명의 실시 예에 따른 제2 오류검출기의 구성을 나타내는 도면이다.
도 6은 도 5의 제2 오류검출부에 대한 상세도이다.
도 7은 도 5의 각 구성요소에서 수행하는 기능을 설명하기 위한 예시도 이다.
도 8은 도 5의 제2 오류검출부에서 수행한 결과 값을 보여주는 예시도 이다.
도 9는 본 발명의 실시 예에 따른 용례구축기의 구성을 나타내는 도면이다.
도 10은 본 발명의 실시 예에 따른 오류검출장치의 동작 방법을 설명하기 위한 흐름도이다.
도 11은 본 발명의 실시 예에 따른 제1 오류검출기의 동작을 설명하기 위한 흐름도이다.
도 12는 도 11의 제1 오류 검출 방법을 통해 품사열을 생성하는 처리 과정을 나타낸 예시표 이다.
도 13은 본 발명의 실시 예에 따른 제2 오류검출기의 동작을 설명하기 위한 흐름도이다.
도 14는 본 발명의 실시 예에 따른 예제 기반 방식의 오류 검출 과정을 설명하기 위한 흐름도이다.

이하 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

도 1은 본 발명의 실시 예에 따른 문법 오류 검출을 위한 오류검출장치의 구성을 나타내는 도면이다.

도 1을 참조하면, 본 발명에 따른 문법 오류 검출을 위한 오류검출장치(10)는 문장분석기(100), 제1 오류검출기(200), 제2 오류검출기(300), 용례구축기(400) 및 통합 오류검출기(500)로 구성된다.

문장분석기(100)는 작문한 입력 문장을 데이터로 입력 받는다. 이때, 문장분석기(100)는 입력 받은 작문(이하, 입력 문장)을 형태소 단위로 분리하고, 분리된 형태소들에 대하여 해당 품사를 태깅한다. 그리고, 문장분석기(100)는 태깅된 품사에 기초하여 각 문장의 구문(syntax) 구조를 분석하고, 그 분석한 결과로서 구문 트리를 추출한다. 이때, 문장분석기(100)는 파싱 시, 구문 분석의 오류를 최소화하기 위해 품사를 태깅한 문장을 제1 오류검출기(200)와 제2 오류검출기(300)로 전달한다.

제1 오류검출기(200)는 문장분석기(100)로부터 전달받은 문장에 대하여 엔-그램(N-gram)을 이용하여 품사열을 생성하고, 생성한 품사열에 대하여 단순 문법 규칙을 토대로 분석함과 동시에 서로 인접하는 품사간 연결 관계에 따라 정의한 문법 규칙을 기반으로 분석함으로써 단순 영작 오류뿐 아니라 인접한 품사간의 연결 관계에 대한 구문 분석의 오류를 검출하고, 검출된 오류를 통합 오류검출기(500)로 전달한다. 특히, 제1 오류검출기(200)는 태깅된 품사에 엔-그램을 이용하여 품사열을 생성하고, 문법 규칙을 기반으로 생성된 품사열을 분석하여 오류를 검출한다.

제2 오류검출기(300)는 용례구축기(400)를 통해 구축된 색인 데이터베이스를 활용하여 예제 기반 방식으로 입력 문장에 대한 오류를 검출하고, 그 검출한 오류를 통합 오류검출기(500)로 전달한다. 또한, 제2 오류검출기(300)는 검출한 오류에 대하여 수정안을 제시하여 오류 교정 기능을 수행할 수도 있다.

이러한 제2 오류검출기(300)는 예제 기반의 통계적 정보를 기반으로 입력 문장에 존재하는 오류를 검출한다는 것으로, 오류 검출 시 입력 문장을 통째로 검색하지 않고, 임의의 윈도우 단위로 구간을 묶어 구간 단위로 통계적 정보를 비교 및 검색하는 N-그램 검색 방식을 이용한다. 특히, 제2 오류검출기(300)는 분리된 형태소들을 임의의 윈도우 사이즈로 묶은 형태소열을 생성하고, 예제 기반의 색인 데이터베이스를 검색하여 생성된 형태소열과 동일한 형태소열의 출현 빈도수에 따라 오류를 검출한다.

용례구축기(400)는 언어 전달 매체로부터 노출되는 다수의 문장들로부터 용례문을 수집하여 오류 검출에 활용할 대용량의 색인 데이터베이스(DB)를 구축한다.

통합 오류검출기(500)는 규칙 기반의 문장 오류를 검출하는 제1 오류검출기(200)를 통해 검출된 오류 결과와, 예제 기반의 문장 오류를 검출하는 제2 오류검출기(300)를 통해 검출된 오류 결과를 조합하여 최종적인 오류 여부를 확인하고, 확인된 오류에 대한 결과를 출력한다. 이때, 통합 오류검출기(500)는 문장의 오류 검출을 위하여 제1 오류검출기(200)를 이용한 방식과 제2 오류검출기(300)를 이용한 방식을 동시에 적용하여 문장의 오류를 효과적으로 검출할 수 있다. 또한, 통합 오류검출기(500)는 제1 오류검출기(200)를 통한 오류 검출을 수행한 후, 다시 제2 오류검출기(300)를 통해 문장의 오류를 검출함으로써, 확실하게 문장의 오류를 검출할 수 있다. 특히, 통합 오류검출기(500)는 제2 오류검출기(300)에서 검출된 오류보다, 제1 오류검출기(200)에서 검출된 오류를 우선하여 문장의 오류로 결정한다.

특히, 본 발명에 따르면, 문장 평가를 위한 오류검출장치(10)는 두 번의 문장 오류 검사를 통해 보다 신뢰성 높은 문장 평가를 실행할 수 있다.

도 2는 본 발명의 실시 예에 따른 문장분석기의 구성을 나타내는 도면이다.

도 2를 참조하면, 본 발명에 따른 문장 오류 검출에 대한 구성은 제1 오류검출기(200) 및 제2 오류검출기(300)와 문장분석기(100)를 독립적으로 구성한 예를 도시하였으나, 이에 한정되지 않고 문장분석기(100)에 제1 오류검출기(200)가 포함되어 하나의 장치로도 구현되거나, 문장분석기(100)에 제2 오류검출기(300)가 포함되어 하나의 장치로도 구현될 수 있다.

문장분석기(100)는 작문한 입력 문장을 데이터로 입력 받고, 입력받은 작문을 평가하기 위한 구성으로서 입력문장 분리부(110) 및 품사 태깅부(120)를 포함한다. 특히, 문장분석기(100)는 입력된 문장을 형태소 단위로 분리하고, 분리된 형태소들에 대하여 품사를 태깅하고, 태깅된 품사에 기초하여 문장의 구문 구조를 분석한다.

입력문장 분리부(110)는 입력 받은 작문을 형태소 단위로 분리한다. 여기서, 문장 분리는 여러 문장에서 마침표나 물음표, 느낌표 등의 마침 기호를 통해 문장 단위로 분리하는 것을 의미한다. 또한, 형태소 분리는 언어 특성상 조사가 단어 옆에 정렬되지 않기 때문에 의미 있는 최소 단위인 형태소는 곧 단어가 될 수 있다.

품사 태깅부(120)는 입력문장 분리부(110)에서 분리한 형태소들에 대하여 해당 품사를 태깅한다. 여기서, 품사 태깅은 기 저장된 품사 사전(130)의 지식을 참조하여 수행할 수 있다. 예컨대, 품사의 종류는 명사, 동사, 전치사, 형용사, 부사, 관사, 감탄사 등이 있다. 예를 들어, 입력문장이 "I would like to live in the city."가 입력되면 입력문장 분리부(110)는 I, would, like, to, live, in, the, city, .으로 분리하고, 품사 태깅부(120)는 분리된 형태소들에 대하여 차례대로 명사(I), 동사(would), 동사(like), 전치사(to), 동사(live), 전치사(in), 관사(the), 명사(city) 등의 품사를 태깅한다.

또한, 본 발명에 따른 문장분석기(100)는 문장 오류 검출을 위한 효과적인 수행을 위하여 구문 분석부(미도시)를 더 포함한다. 특히, 구문 분석부는 품사 태깅부(120)에서 태깅한 품사에 기초하여 각 문장의 구문 구조를 분석하고, 그 분석한 결과로서 구문 트리를 추출한다. 일반적으로 문장의 구문을 분석하는 것을 파싱(parsing)이라 하고, 문자열이 문법에 의하여 생성될 수 있는지 파악하기 위하여 구문 트리를 출력시키는 프로그램을 파서(parser)라고 한다. 또한, 구문 분석부는 파싱 시, 구문 분석의 오류를 최소화하기 위해 품사를 태깅한 문장을 제1 오류검출기(200) 또는 제2 오류검출기(300)로 전달하고, 통합 오류검출기 (500)로부터 검출된 오류 정보를 받아 구문 트리에 반영한다.

도 3은 본 발명의 실시 예에 따른 제1 오류검출기의 구성을 나타낸 도면이고, 도 4는 정규 문법의 예를 나타낸 표이다.

도 3을 참조하면, 본 발명의 실시 예에 따른 제1 오류검출기(200)는 품사열 생성부(210), 샬로우 파서(shallow parser: 220), 제1 오류검출부(230), 정규문법 지식 DB(240), 문맥자유 문법 지식 DB(250) 등을 포함한다.

품사열 생성부(210)는 품사 태깅부(120)에서 태깅한 각 품사에 대하여 임의의 윈도우 사이즈로 묶는 엔-그램을 이용하여 각 품사에 대한 품사열을 생성한다.

예를 들어, 입력 문장 "I went to go to school."은 형태소 분리 및 품사 태깅에 의해 'I/명사', 'went/동사', 'to/전치사', 'go/동사', 'to/전치사', 'school/명사'로 추출되고, 품사열 생성부(210)에서는 트라이그램(Tri-gram)을 적용하여 각 품사에 대한 품사열로서, 'I went to', 'went to go', ' go to school', 'to school (null)', ' school (null) (null)' 등으로 생성할 수 있다.

품사열 생성부(210)는 미리 윈도우 사이즈를 설정해 두고, 설정한 윈도우 사이즈에 해당하는 품사열을 생성하여 오류 검출에 활용할 수 있다. 세밀한 검출을 하기 위해서는 바이그램(Bi-gram), 트라이그램(Tri-gram)과 같이 윈도우 사이즈를 가변하여 각각의 품사열을 생성하고 분석할 수 있다.

샬로우 파서(220)는 품사열 생성부(210)에서 생성한 품사열에 대하여 정규문법(Regular grammar) 규칙 및 문맥자유문법(Context Free Grammar: CFG) 규칙을 기반으로 인접한 품사간의 연결 관계를 고려하여 구조를 파싱한다. 여기서, 문맥자유문법 규칙은 일반적으로 영문법이라고 하여 일반적인 문법을 정의한 것으로, 맞춤법이나 관사, 시제 등에 관한 규칙을 포함한다.

예를 들면, 3인칭 단수 주어 다음에 나오는 현재시점의 동사에는 s를 불이고, 단수 가산 명사의 앞에는 a 또는 an를 붙이는데 모음으로 시작하는 명사 앞에는 an을 붙이는 등의 규칙을 포함한다.

이러한 문맥자유문법 규칙은 문맥자유문법 지식 DB(250)에 저장하고, 샬로우 파서(220)의 파싱 시 이용하도록 제공한다.

정규문법 규칙은 일반 문법 즉, 문맥자유문법을 규칙으로 정의할 수 없는 예외를 규칙으로 정의한 것으로, 서로 인접한 품사간의 연결 관계 또는 밀접도에 따라 추가적으로 정의할 수 있다. 구체적으로, 도 4에 나타낸 표와 같이 철자 오류, 띄어쓰기 오류, 관사 형태, 관사 중복, 수의 불일치, 품사 혼용, 동사 형태 오류, 잘못된 연어, 잘못된 어순, 전치사 누락, 비교급 형태 오류, 불필요한 한정사, 불필요한 전치사 등에 관하여 규칙을 정의할 수 있다.

예를 들어, 보통 자음 앞에는 관사 a가 붙지만 자음의 첫 음절이 묵음인 명사의 경우 관사 an을 붙이는 것으로 정의한 것은 문맥자유문법이지만, 자음 명사 hoest의 앞에는 관사 a가 아닌 an이 붙는 것은 정규 문법이다. 즉, 문맥자유문법 규칙에 예외로 적용되는 명사를 별개의 규칙으로 추가한 것이 정규 문법이다.

또한, 정규문법 규칙의 다른 예는 'beggining'라는 오타가 나오면 'beginning'을 잘못 쓴 것으로 분석하고, 오류 검출과 함께 교정안 'beginning'을 검출할 수도 있다.

이러한 정규문법 규칙은 정규문법 지식 DB(250)에 저장하고, 샬로우 파서(220)의 파싱 시 이용하도록 제공한다.

따라서, 샬로우 파서(220)는 기 저장된 문맥자유문법 규칙의 지식을 이용하여 단순 문법의 오류를 직접적으로 분석하고, 정규문법 규칙을 이용하여 상호 인접한 품사간의 연결 관계에 따른 품사열의 밀접도를 계산한다. 만약, 각 품사열의 밀접도가 높으면 해당 품사열을 명사구, 복합어, 목적어구, 종속절 등의 유도 트리로 생성하고, 밀접도가 낮으면 각 품사열을 이루는 단어를 구가 아닌 독립적인 단어로 유도 트리를 생성할 수 있다.

밀접도가 높고 낮다는 판단은 판단할 기준치를 설정해 두고 기준치에 비해 높고 낮음에 따라 판단할 수 있다. 또한, 하나의 품사열로부터 유도 가능한 여러 유도 트리에 대하여 밀접도를 계산하고, 계산한 밀접도에서 상대적으로 가장 높고 낮은 것으로 판단할 수 있다. 이 경우, 밀접도가 상대적으로 가장 높은 유도 트리를 선택하여 오류를 검출할 수 있다.

또한, 샬로우 파서(220)는 태깅된 품사에 대하여 오른쪽에서 왼쪽 방향(right-to-left)으로 이동(shift)하는 상향식(bottom-up chart) 챠트 파싱을 수행한다. 상향식 챠트 파싱은 일반 구문 분석을 위한 파싱이 아니기 때문에 전체를 대상으로 문장을 만드는 것을 목표로 하지 않는다. 즉, 더 이상 새로 만들어지는 노드가 없는 경우에 파싱 진행을 중단한다.

제1 오류검출부(230)는 샬로우 파서(220)를 통해 생성한 분석 결과를 기초로, 구문 분석부(130)에서 분석한 구문 트리로부터 오류를 검출한다. 이때, 제1 오류검출부(230)는 입력 문장의 전체를 검색하기 보다는 일정 구간의 열로 구분하는 엔-그램을 이용하여 검색함으로써, 오류 검출의 성능이 빠르면서 통째로 분석하는 방법에 비해 오류 검출도 정확하게 이루어질 수 있다. 특히, 제1 오류검출기(200)는 태깅된 품사에 엔-그램을 이용하여 품사열을 생성하고, 문법 규칙을 기반으로 생성된 품사열을 분석하여 오류를 검출한다.

도 5는 본 발명의 실시 예에 따른 제2 오류검출기의 구성을 나타내는 도면이다.

도 5를 참조하면, 본 발명의 실시 예에 따른 제2 오류검출기(300)는 제2 오류검출부(310) 및 색인 데이터베이스(320)를 포함한다.

제2 오류검출부(310)는 품사 태깅부(120)에서 태깅한 형태소들에 대하여 임의의 윈도우 사이즈로 묶은 형태소열을 생성하고, 생성한 형태소열 별로 색인 데이터베이스(320)를 검색하여 각 형태소가 해당 형태소열과 함께 정렬되는 빈도수에 따라 오류를 검출한다. 이러한 제2 오류검출부(310)는 입력 문장의 전체를 검색하기 보다는 일정 구간으로 나누어서 검색함으로써, 오류 검출의 성능이 빠르면서 통째로 검색하는 분석 방법에 비해 오류 검출도 정확하게 이루어질 수 있다.

또한, 제2 오류검출기(300)는 오류교정부(미도시)를 더 구비한다. 특히, 오류 교정부는 제2 오류검출부(310)를 통해 검색한 형태소열과 함께 정렬되는 형태소들을 추출하여, 특히 빈도수가 높은 순위의 형태소를 우선순위로 추출하여, 검출한 오류에 대한 수정안으로 제시한다. 이처럼, 오류교정부는 수정안을 제시하는 방법으로서 오류 검출 방식으로 적용한 N-그램 검색 방식을 활용하여 오류 구간의 형태소만 제시할 수 있지만, 전체 문장에 대한 유사 문장을 통째로 검색하여 가장 유사한 상위 K개에 대한 유사 문장을 단순 제시하는 방법을 이용할 수도 있다. 특히, 제2 오류검출기(300)는 분리된 형태소들을 임의의 윈도우 사이즈로 묶은 형태소열을 생성하고, 예제 기반 색인 데이터베이스를 검색하여 생성된 형태소열과 동일한 형태소열의 출현 빈도수에 따라 오류를 검출한다.

도 6은 도 5의 제2 오류검출부에 대한 상세도이고, 도 7은 도 5의 각 구성요소에서 수행하는 기능을 설명하기 위한 예시도 이다.

도 6을 참조하면, 본 발명의 실시 예에 따른 제2 오류검출부(310)는 N-그램 생성부(341), 검색부(343), 적합성 계산부(345), 오류 판단부(347)를 포함한다.

N-그램 생성부(341)는 순방향 또는 역방향 중 하나 이상의 방향으로, 형태소들을 임의의 윈도우 사이즈로 묶어 형태소열을 생성한다.

특히, 본 발명에 따른 N-그램 생성부(341)는 형태소들을 기준으로 순방향으로 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 순방향 또는 역방향 중 하나 이상의 방향으로 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 역방향 형태소열을 각각 생성할 수 있다.

예를 들면, 도 7의 (d)-?에 나타난 바와 같이 입력 문장에서 형태소 'live'에 대하여 생성할 수 있는 순방향 형태소열을 보면, 먼저 형태소 'live'를 기준으로 최소 2-윈도우에서 5-윈도우 단위로 묶은 형태소열의 예를 보여주고 있다. 즉, 2-윈도우 단위로 묶은 형태소열은 'to live'이고, 3-윈도우 단위로 묶은 형태소열은 'like to live'이며, 이후 하나씩 윈도우 사이즈를 증가한 형태소열은 'would like to live', 'I would like to live'가 된다. 따라서 형태소 'live'를 포함한 형태소열에서 'to' 다음에 'live'가 올 수 있는 빈도수 또는 'like to', 'would like to', 'I would like to' 다음에 'live'가 올 수 있는 빈도수를 각각 추출할 수 있다.

반대로, (d)의 ?에 나타난 바와 같이 형태소 'live'를 기준으로 역방향으로 위치한 형태소(in, the, city)에 대하여 임의의 윈도우 사이즈로 묶은 형태소열을 생성할 수 있다. 2-윈도우 단위로 묶은 역방향 형태소열은 'live in', 3-윈도우 단위로 묶은 역방향 형태소열은 'live in the', 4-윈도우 단위로 묶은 역방향 형태소열은 'live in the city'로 생성할 수 있다.

이때, N-그램 생성부(341)는 미리 윈도우 사이즈를 설정해 두고, 설정한 윈도우 사이즈에 해당하는 형태소열을 생성하여 오류 검출에 활용할 수 있다. 세밀한 검출을 하기 위해서는 바이그램, 트라이그램과 같이 윈도우 사이즈를 가변하여 각각의 형태소열을 생성하고 분석하는 것이 좋지만, 이럴 경우 색인 데이터베이스(320)에 저장되는 형태소열에 대한 용량도 크게 증가하게 되고 분석 또한 복잡해 질 수 있으므로, 하나의 윈도우 사이즈만 고려한 형태소열을 생성하여 분석하는 것도 가능하다.

검색부(343)는 N-그램 생성부(341)에서 생성된 형태소열과 동일한 형태소열이 다수의 용례문으로 구축된 예제 기반의 색인 데이터베이스(320)에 존재하는지 입력 문장에 포함되어 있는 각 형태소별로 검색한다.

적합성 계산부(345)는 생성된 형태소열과 동일한 형태소열의 출현 빈도수를 추출하고, 추출한 빈도수를 근거로 적합성을 계산한다. 적합성 계산은 형태소들에 대한 형태소열의 빈도수를 나타낸 점수(score)이다. 이때, 적합성 계산부(345)는 N-그램 생성부(341)에서 생성한 형태소열이 순방향, 역방향에 대하여 모두 존재할 경우 하나의 형태소에 대하여 순방향 또는 역방향 중 하나 이상의 방향으로 형태소열에 대한 적합성을 각각 계산하고, 각각의 적합성을 통합한 통합 적합성을 계산할 수 있다.

또한, 적합성 계산부(345)는 순방향 형태소열, 역방향 형태소열에 대한 적합성을 계산할 때 각 형태소에 대한 형태소열의 빈도수에 따라 가중치를 다르게 적용할 수 있다. 예를 들어, 역방향 형태소열에서 2-윈도우 단위로 묶은 형태소열 'live in'과, 3-윈도우 단위로 묶은 형태소열 'live in the', 4-윈도우 단위로 묶은 형태소열 'live in the city' 등이 존재할 경우 윈도우 수가 많은 형태소열에 더 높은 가중치를 부여함으로써 많은 정보를 참고하여 적합성을 결정하도록 한다.

오류 판단부(347)는 적합성 점수가 임계치보다 낮거나 또는 일정 이상으로 급격히 떨어지는 구간이 있는지를 판단하여 오류 구간을 검출한다. 이때, 오류 판단부(347)는 순방향에 대한 적합성, 역방향에 대한 적합성, 통합 적합성으로 구분하여 각각의 그래프를 산출할 수 있다.

도 8은 도 5의 제2 오류검출부에서 수행한 결과 값을 보여주는 예시도 이다.

도 8에 도시된 예를 살펴보면, (a)는 입력 문장이고, (b)는 입력 문장에 대하여 각 형태소 별로 계산한 적합성을 나타낸 것이다.

(b)에 나타난 score_f(Wm)은 각 형태소에 대하여 순방향 형태소열과 함께 정렬될 수 있는 빈도수를 나타낸 순방향 적합성이고, score_b(Wm)는 각 형태소에 대하여 역방향 형태소열과 함께 정렬될 수 있는 빈도수를 나타낸 역방향 적합성이며, score(Wm)은 순방향 적합성과 역방향 적합성을 평균화한 통합 적합성이다.

(c)는 (b)에 나타난 통합 적합성을 이용하여 산출한 그래프를 나타낸 것이다. 이 그래프를 통해 임계치(threshold)이하로 낮아진 A부근에서 즉, 형태소 live 주위에서 단어 누락 등으로 오류가 존재함을 알 수 있다.

도 9는 본 발명의 실시 예에 따른 용례구축기의 구성을 나타내는 도면이다.

도 9를 참조하면, 용례구축기(400)는 용례 수집부(410), 용례 분리부(420), N-그램 생성부(430), 구축부(440)를 포함한다.

용례 수집부(410)는 인터넷이나 뉴스, 신문 기사 등의 언어 전달 매체를 통해 노출되는 방대한 문장셋으로부터 용례문을 수집한다. 이때, 용례문은 실생활에서 사용되고 있는 문장, 다양한 문체를 포함한 문장 등을 모두 포함함을 전제로 한다. 뉴스나 신문 기사는 문장의 오류가 다른 매체에 비해 적으므로 이를 활용한다.

이러한 용례 수집부(410)는 수집하고자 원하는 키워드들을 미리 입력해 두고 해당 언어 전달 매체를 통해 노출되는 문장셋을 모니터링하면서, 입력해 둔 키워드가 적용된 용례문이 존재하면 이를 자동 수집할 수 있다.

용례 분리부(420)는 용례 수집부(410)를 통해 수집한 용례문을 형태소 단위로 분리한다. 여기서, 문장 분리는 여러 문장을 갖는 용례문을 마침표 또는 물음표, 느낌표 등의 마침 기호를 통해 문장 단위로 분리한다. 또한, 형태소 분리는 문장 단위로 분리한 각 용례문을 형태소 단위로 분리하는 것을 의미한다.

N-그램 생성부(430)는 용례 분리부(420)를 통해 분리한 각 형태소에 대하여 임의의 윈도우 사이즈로 묶은 형태소열을 생성한다. 이때, 형태소열은 각 형태소를 기준으로 순방향 또는 역방향 중 하나 이상의 방향으로 형태소들을 임의의 윈도우 사이즈로 묶어 생성한다. 예를 들어, "I want to go to school." 용례문으로부터 3-윈도우 사이즈를 이용하여 생성한 형태소열은 형태소 I에 대하여 "I want to", 형태소 want에 대하여 "want to go", " (null) I want", 형태소 to에 대하여 "to go to", "I want to"와 같이 생성할 수 있다. 이는 색인 데이터베이스(320)에 구축시 용례문을 문장 전체뿐만 아니라 형태소열 단위로 저장하기 위함이다.

구축부(440)는 N-그램 생성부(430)에서 생성한 형태소열과 해당 용례문을 매칭하여 색인 데이터베이스(320)에 저장한다.

도 10은 본 발명의 실시 예에 따른 오류검출장치의 동작 방법을 설명하기 위한 흐름도이다.

도 10을 참조하면, 본 발명의 실시 예에 따른 오류검출장치(10)는 S11 단계에서 입력 문장을 입력받고, 입력받은 문장을 복수의 형태소 단위로 분리한다. 이때, 오류검출장치(10)는 품사 사전(130)을 기반으로 형태소들에 해당 품사를 태깅한다. 그리고 나서, 오류검출장치(10)는 S13 단계에서 태깅된 품사에 기초하여 분리한 문장에 대하여 구문 분석을 수행하고 그 분석 결과로서 구문 트리를 추출한다. 여기서, 오류검출장치(10)는 파싱 시, 구문 분석의 오류를 최소화하기 위해 품사를 태깅한 문장을 제1 오류검출기(200) 또는 제2 오류검출기(300)로 전달하고, 통합 오류검출기(500)로부터 검출된 오류 정보를 받아 구문 트리에 반영한다.

오류검출장치(10)는 S15 단계에서 문장분석기(100)로부터 전달받은 문장에 대하여 엔-그램을 이용하여 품사열을 생성하고, 생성한 품사열에 대하여 단순 문법 규칙을 토대로 분석함과 동시에 서로 인접하는 품사간 연결 관계에 따라 정의한 문법 규칙을 기반으로 분석함으로써 단순 영작 오류뿐 아니라 인접 품사간 연결 관계에 따른 구문 분석의 오류를 검출한다. 즉, 오류검출장치(10)는 추출한 구문 트리에 대하여 오류가 있는지를 판단하기 위해 샬로우 파서를 이용하여 각 품사에 대한 품사열을 생성하고, 생성한 품사열을 단위로 오류를 검출한다. 여기서, 오류검출장치(10)는 정의된 규칙 기반으로 문장의 오류 검출을 실행한다.

오류검출장치(10)는 S17 단계에서 용례구축기(400)를 통해 구축된 예제 기반의 색인 데이터베이스(320)를 활용하여 문장분석기(100)에서 입력되는 입력 문장에 대한 오류를 검출한다.

오류검출장치(10)은 S19 단계에서 정의된 규칙 기반으로 문장의 오류를 검출하는 제1 오류검출기(200)와 예제 기반으로 문장의 오류를 검출하는 제2 오류검출기(300)를 통해 검출된 오류를 조합하여 통합 오류를 검출한다. 또한, 오류검출장치(10)는 제2 오류검출기(300)에서 검출된 오류보다, 제1 오류검출기(200)에서 검출된 오류를 우선하여 문장의 오류로 결정한다.

이를 통해, 오류검출장치(10)는 작문된 문장을 동시에 확인하여 신속하게 문장의 오류를 검출할 수 있다. 또한, 오류검출장치(10)는 제1 오류검출기(200)를 통한 오류 검출을 수행한 후, 다시 제2 오류검출기(300)를 통해 문장의 오류를 검출함으로써, 확실하게 문장의 오류를 검출할 수 있다.

도 11은 본 발명의 실시 예에 따른 제1 오류검출기의 동작을 설명하기 위한 흐름도이고, 도 12는 도 11의 제1 오류 검출 방법을 통해 품사열을 생성하는 처리 과정을 나타낸 예시표 이다.

도 11을 참조하면, 본 발명의 실시 예에 따른 제1 오류검출기(200)는 오류 검출 과정에서 문장분석기(100)와 별개로 구현될 수 있다. 이때, 제1 오류검출기(200)를 이용한 오류 검출 단계(S15)는 구체적으로, 제1 오류검출기(200)는 S21 단계에서 품사 태깅 과정을 통해 태깅한 각 품사에 대하여 일정 윈도우 단위로 품사열을 생성한다. 여기서, 일정 윈도우란, 서로 인접하는 품사의 2개 또는 3개, 그 이상(n개)을 포함하여 그룹을 짓는 것을 의미하는 것으로, 서로 인접하는 품사마다 2개씩 그룹을 짓는 방식은 바이-그램이고, 3개씩 그룹을 짓는 방식은 트라이-그램이다. 즉, 제1 오류검출기(200)는 엔-그램(바이-그램, 트라이-그램 등)을 이용하여 기 설정한 단위에 따라 품사열을 생성한다.

제1 오류검출기(200)는 S23 단계에서 품사열 단위로 샬로우 파싱을 수행한다. 여기서, 샬로우 파싱은 기 저장된 문맥자유문법 규칙 및 정규문법 규칙을 기반으로 인접하는 품사간 밀접도에 고려하여 구문 구조를 분석한다.

구체적으로, 문맥자유문법 규칙의 지식을 이용하여 단순 문법의 오류를 직접적으로 분석하고, 이와 동시에 기 저장된 정규문법 규칙을 이용하여 상호 인접한 품사간 연결 관계에 따른 품사열의 밀접도를 계산한다. 각 품사열의 밀접도가 높으면 해당 품사열을 명사구, 복합어, 목적어구, 종속절 등의 유도 트리로 생성하고, 밀접도가 낮으면 각 품사열을 이루는 단어를 구가 아닌 독립적인 단어로 유도 트리를 생성할 수 있다.

이후, 제1 오류검출기(200)는 S25 단계에서 분석한 결과를 기초로 구문 분석을 통해 추출한 구문 트리의 오류를 검출한다.

도 13은 본 발명의 실시 예에 따른 제2 오류검출기의 동작을 설명하기 위한 흐름도이다.

도 13을 참조하면, 제2 오류검출기(300)를 이용한 오류 검출 단계(S17)는 구체적으로, 제2 오류검출기(300)는 S31 단계에서 입력 받은 문장의 각 형태소에 대하여 임의의 윈도우 사이즈로 묶은 형태소열을 생성한다. 여기서, 형태소열은 앞서 설명한 바와 같이 형태소들을 기준으로 순방향으로 묶은 순방향 형태소열 또는 역방향으로 묶은 역방향 형태소열 중 하나 이상의 방향으로 구분하여 각각 생성할 수 있다. 이후, 제2 오류검출기(300)는 S33 단계에서 생성한 형태소열이 예제 기반의 색인 데이터베이스(320)에 존재하는지 각 형태소별로 검색한다.

제2 오류검출기(300)는 S35 단계에서 생성된 형태소열과 동일한 형태소열의 출현 빈도수를 추출한다. 그리고, 제2 오류검출기(300)는 S37 단계에서 추출한 빈도수를 근거로 적합성을 계산한다. 이때, 적합성은 각 형태소가 해당 형태소열과 정렬되는 것이 적합한지에 대한 정도를 점수로 환산하여 나타낸 것으로, 이와 관련되는 계산 방법은 앞에서 설명한 바와 동일하다.

이후, 제2 오류검출기(300)는 S39 단계에서 계산한 적합성 점수를 그래프로 산출하고, 산출한 그래프를 활용하여 오류를 검출할 수 있다. 즉, 적합성 점수가 임계치보다 낮거나 또는 일정 이상으로 급격히 떨어지는지를 판단하여 오류 구간을 검출한다.

도 14는 본 발명의 실시 예에 따른 예제 기반 방식의 오류 검출 과정을 설명하기 위한 흐름도이다.

도 14를 참조하면, 본 발명의 실시 예에 따른 용례구축기(400)는 S41 단계에서 용례 수집부(410)에서 인터넷이나 뉴스, 신문 기사 등의 언어 전달 매체를 통해 노출되는 방대한 문장셋으로부터 원하는 용례문을 수집한다. 이때, 원하는 용례문을 수집하기 위해 사전에 수집하고자 원하는 키워드들을 미리 입력해 두면 해당 언어 전달 매체를 통해 노출되는 문장셋을 모니터링하면서 입력해 둔 키워드가 적용된 용례문이 존재하면 이를 자동 수집할 수 있다.

이후, 용례구축기(400)는 S43 단계에서 용례 분리부(420)가 용례 수집부(410)를 통해 수집한 각 용례문을 형태소로 분리한다. 그리고, 용례구축기(400)는 S45 단계에서 N-그램 생성부(430)가 각 형태소에 대하여 임의의 윈도우 사이즈로 묶은 형태소열을 생성한다.

용례구축기(400)는 S47 단계에서 구축부(440)가 이전 단계에서 생성한 형태소열과 해당 용례문을 매칭하여 색인 데이터베이스(320)에 저장한다.

본 발명에 따른 문법 오류 검출 방법은 다양한 컴퓨터 수단을 통하여 판독 가능한 소프트웨어 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM, Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.

본 발명은 작문한 입력 문장을 형태소 단위로 분리하여 품사를 태깅하고, 태깅한 각 품사의 열에 대하여 단순 문법적인 영작 오류를 검출하는 동시에 서로 인접한 품사간의 연결 관계에 의해 정의된 규칙을 기반으로 파싱하여 구문 분석의 오류를 검출하는 방식과, 분리한 형태소로부터 임의의 윈도우 사이즈로 묶은 형태소열을 생성한 다음 각 형태소열을 예제 기반 데이터베이스에서 검색하여 각 형태소와 그 형태소에 대한 형태소열이 함께 정렬되는 빈도수를 분석함으로써 예제에 기반한 각 형태소에 대한 오류를 검출하는 방식을 동시에 적용하여 문장의 오류를 신속하고, 정확하게 검출한다. 이는 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있다.

10: 오류검출장치 100: 문장분석기 200: 제1 오류검출기
300: 제2 오류검출기 400: 용례구축기 110: 입력문장 분리부
120: 품사 태깅부 130: 품사사전 210: 품사열 생성부
220: 샬로우 파서 230: 제1 오류검출부 240: 정규문법 지식DB
250: 문맥자유 문법 지식 DB 310: 제2 오류검출기
320: 색인 데이터베이스 341: N-그램 생성부 343: 검색부
345: 적합성 계산부 347: 오류 판단부 410: 용례 수집부
420: 용례 분리부 430: N-그램 생성부 440: 구축부
500: 통합 오류검출기

Claims (18)

1. 입력된 문장을 형태소 단위로 분리하고, 상기 분리된 형태소들에 대하여 품사를 태깅하고, 상기 태깅된 품사에 기초하여 문장의 구문 구조를 분석하는 문장 분석기;
   상기 태깅된 품사에 엔-그램(N-gram)을 이용하여 품사열을 생성하고, 문법 규칙을 기반으로 상기 생성된 품사열을 분석하여 오류를 검출하는 제1 오류검출기;
   상기 분리된 형태소들을 임의의 윈도우(N-window) 사이즈로 묶은 형태소열을 생성하고, 예제 기반의 색인 데이터베이스를 검색하여 상기 생성된 형태소열과 동일한 형태소열의 출현 빈도수에 따라 오류를 검출하는 제2 오류검출기; 및
   상기 제1 오류검출기를 이용한 오류 검출 결과와, 상기 제2 오류검출기를 이용한 오류 검출 결과를 조합하여 상기 문장의 오류를 결정하는 통합 오류검출기;
   를 포함하는 것을 특징으로 하는 오류검출장치.
2. 제1항에 있어서,
   상기 통합 오류검출기는
   문법 규칙 기반으로 문장의 오류를 검출하는 상기 제1 오류검출기를 통해 상기 문장의 오류 검출 후, 예제 기반으로 문장의 오류를 검출하는 상기 제2 오류검출기를 적용하여 상기 문장의 오류 여부를 검출하는 것을 특징으로 하는 오류검출장치.
3. 제1항에 있어서,
   언어 전달 매체를 통해 다양한 문체를 포함하는 용례문을 수집하고, 상기 수집한 용례문을 형태소 단위로 분리하여 상기 예제 기반의 색인 데이터베이스에 구축하는 용례구축기;
   를 더 포함하는 것을 특징으로 하는 오류검출장치.
4. 제1항에 있어서,
   상기 제1 오류검출기는
   상기 문장에 태깅된 품사에 대해 엔-그램을 이용하여 일정 윈도우 단위의 품사열을 생성하는 품사열 생성부;
   상기 품사열을 문맥자유문법 규칙 및 정규문법 규칙을 기반으로 파싱하여 상기 품사열의 밀접도를 계산하는 샬로우 파서; 및
   상기 샬로우 파서를 통해 계산한 밀접도에 따라 상기 문장의 오류를 검출하는 제1 오류검출부;
   를 포함하는 것을 특징으로 하는 오류검출장치.
5. 제4항에 있어서,
   상기 문맥자유문법 규칙은
   맞춤법이나 관사, 시제를 포함한 일반 문법을 정규화한 규칙인 것을 특징으로 하는 오류검출장치.
6. 제4항에 있어서,
   상기 정규문법 규칙은
   상기 문맥자유문법 규칙으로 정의할 수 없는 예외 규칙, 서로 인접하는 품사간 연결 관계 또는 밀접도에 따라 정의할 수 있는 규칙을 포함하는 것을 특징으로 하는 오류검출장치.
7. 제4항에 있어서,
   상기 샬로우 파서는
   상기 품사열에 대하여 계산한 밀접도가 기준치보다 높으면 명사구, 복합어, 목적어구, 종속절을 포함한 구문 트리 중 해당 트리를 생성하고, 밀접도가 기준치보다 낮으면 각 품사열을 이루는 단어를 구가 아닌 독립적인 단어로 유도 트리를 생성하는 것을 특징으로 하는 오류검출장치.
8. 제1항에 있어서,
   상기 제2 오류검출기는
   순방향 또는 역방향 중 적어도 하나의 방향으로, 상기 형태소들을 임의의 윈도우 사이즈로 묶은 형태소열을 생성하는 N-그램 생성부와,
   상기 생성된 형태소열과 동일한 형태소열이 상기 예제 기반의 색인 데이터베이스에 존재하는지 검색하는 검색부와,
   상기 생성된 형태소열과 동일한 형태소열의 출현 빈도수를 추출하고, 상기 추출한 빈도수를 근거로 적합성을 계산하는 적합성 계산부 및
   상기 적합성 점수가 임계치보다 낮거나 또는 상기 적합성 점수가 일정 이상으로 급격히 떨어지는지를 판단하여 오류 구간을 검출하는 오류 판단부로 구성되는 제2 오류검출부;
   를 더 포함하는 것을 특징으로 하는 오류검출장치.
9. 제8항에 있어서,
   상기 N-그램 생성부는
   순방향으로 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 순방향 형태소열, 역방향으로 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 역방향 형태소열을 각각 생성하는 것을 특징으로 하는 오류검출장치.
10. 제1항에 있어서, 상기 통합 오류검출기는
    상기 제2 오류검출기에서 검출된 오류보다, 상기 제1 오류검출기에서 검출된 오류를 우선하여 상기 문장의 오류로 결정하는 것을 특징으로 하는 오류검출장치.
11. 문장을 복수의 형태소 단위로 분리하는 단계;
    상기 형태소들에 품사를 태깅하는 단계;
    상기 태깅된 품사에 대해 엔-그램을 이용하여 일정 윈도우 단위의 품사열을 생성하고, 상기 품사열에 대하여 문법 규칙을 기반으로 상기 문장의 오류를 검출하는 제1 오류검출단계;
    순방향 또는 역방향 중 하나 이상의 방향으로 상기 형태소들을 임의의 윈도우 사이즈로 묶은 형태소열을 생성하고, 예제 기반 색인 데이터베이스를 검색하여 상기 생성된 형태소 열과 동일한 형태소열의 출현 빈도수에 따라 상기 문장의 오류를 검출하는 제2 오류검출단계; 및
    상기 제1 오류검출단계를 기반으로 검출된 오류와, 상기 제2 오류검출단계를 기반으로 검출된 오류를 조합하여 상기 문장의 오류를 결정하는 단계;
    를 포함하는 것을 특징으로 하는 문법 오류 검출 방법.
12. 제11항에 있어서,
    상기 제1 오류검출단계는
    상기 품사열에 대하여 계산한 밀접도가 기준치보다 높으면 명사구, 복합어, 목적어구, 종속절을 포함한 구문 트리 중 해당 구문 트리를 생성하고, 밀접도가 기준치보다 낮으면 각 품사열을 이루는 단어를 구가 아닌 독립적인 단어로 유도 트리를 생성하는 것을 특징으로 하는 문법 오류 검출 방법.
13. 제11항에 있어서,
    상기 제2 오류검출단계는
    순방향에 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 순방향 형태소열, 역방향에 위치한 형태소들을 임의의 윈도우 사이즈로 묶은 역방향 형태소열을 각각 생성하는 것을 특징으로 하는 문법 오류 검출 방법.
14. 제11항에 있어서,
    상기 제2 오류검출단계는
    상기 생성된 형태소열과 동일한 형태소열이 상기 예제 기반 색인 데이터베이스에 존재하는지 검색하는 단계;
    상기 생성된 형태소열과 동일한 형태소열의 출현 빈도수를 추출하고 추출한 빈도수를 근거로 적합성을 계산하는 단계; 및
    상기 계산된 적합성 점수가 임계치보다 낮거나 또는 상기 적합성 점수가 일정 이상으로 급격히 떨어지는지를 판단하여 오류 구간을 검출하는 단계;
    를 포함하는 것을 특징으로 하는 문법 오류 검출 방법.
15. 제14항에 있어서,
    상기 적합성을 계산하는 단계는
    상기 형태소열을 생성하는 단계에서 생성된 형태소열이 순방향 및 역방향에 대한 형태소열을 모두 포함한 경우,
    상기 순방향 형태소열과 역방향 형태소열에 대하여 각 형태소가 함께 정렬되는 빈도수를 추출하고 추출한 빈도수를 근거로 각각의 적합성을 계산하며, 각각의 적합성을 반영한 통합 적합성을 계산하는 것을 특징으로 하는 문법 오류 검출 방법.
16. 제11항에 있어서,
    상기 문장의 오류를 결정하는 단계는
    문법 규칙 기반으로 문장의 오류를 검출하는 상기 제1 오류검출단계 이후에, 예제 기반으로 문장의 오류를 검출하는 상기 제2 오류검출단계를 적용하여 상기 문장의 오류를 결정하는 것을 특징으로 하는 문법 오류 검출 방법.
17. 제11항에 있어서,
    상기 문장의 오류를 결정하는 단계는
    상기 제2 오류검출단계에서 검출된 오류보다, 상기 제1 오류검출단계에서 검출된 오류를 우선하여 상기 문장의 오류로 결정하는 것을 특징으로 하는 문법 오류 검출 방법.
18. 제11항 내지 제17항 중 적어도 하나의 항에 기재된 문법 오류 검출 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.

Images